通过使用单个移动摄像头进行行走视频分析,基于深度学习的萨尔科佩尼亚分类

科学领域:

• 老年学是一门学科.
• 生物医学工程 生物医学工程
• 计算机科学 计算机科学

背景情况:

• 全球人口老龄化需要有效的健康老龄化战略.
• 肉症是肌肉质量和力量与年龄相关的下降,影响老年人的健康.
• 目前的肉症检测方法往往是昂贵的,需要专家干预.

研究的目的:

• 开发和验证一种新的基于视觉的方法,用于使用步态分析识别肉症.
• 提供一种可访问和实用的方法,用于早期发现和监测肉病.
• 减少对皮病评估的专业设备和专业知识的依赖.

主要方法:

• 招募了92名老年人 (60名患有肉症,32名健康对照).
• 使用数码相机捕获的行走运动,以提取二维骨序列.
• 利用深度学习模型训练骨序列和步态特征进行分类.

主要成果:

• 深度学习模型实现了82.88%的样本精确度和94.44%的学科精确度来分类萨科佩尼亚.
• 通过2D骨序列来检测肉类的步态分析的有效性.
• 在一个独立的测试数据集上验证了方法.

结论:

• 基于视觉的步态分析为撒科佩尼亚的检测和监测提供了重大进展.
• 这种方法为在家进行肌肉健康管理提供了一个有希望的,易于使用的解决方案.
• 消除了对皮病评估的专业设备和专家解释的需要.